基于大数据存储的升降决策机构

技术领域

本发明涉及大数据存储领域，尤其涉及一种基于大数据存储的升降决策机构。

背景技术

大数据存储技术路线最典型的共有三种：

第一种是采用MPP架构的新型数据库集群，重点面向行业大数据，采用Shared Nothing架构，通过列存储、粗粒度索引等多项大数据处理技术，再结合MPP架构高效的分布式计算模式，完成对分析类应用的支撑，运行环境多为低成本PC Server，具有高性能和高扩展性的特点，在企业分析类应用领域获得极其广泛的应用。

这类MPP产品可以有效支撑PB级别的结构化数据分析，这是传统数据库技术无法胜任的。对于企业新一代的数据仓库和结构化数据分析，目前最佳选择是MPP数据库。

第二种是基于Hadoop的技术扩展和封装，围绕Hadoop衍生出相关的大数据技术，应对传统关系型数据库较难处理的数据和场景，例如针对非结构化数据的存储和计算等，充分利用Hadoop开源的优势，伴随相关技术的不断进步，其应用场景也将逐步扩大，目前最为典型的应用场景就是通过扩展和封装Hadoop来实现对互联网大数据存储、分析的支撑。这里面有几十种NoSQL技术，也在进一步的细分。对于非结构、半结构化数据处理、复杂的ETL流程、复杂的数据挖掘和计算模型，Hadoop平台更擅长。

第三种是大数据一体机，这是一种专为大数据的分析处理而设计的软、硬件结合的产品，由一组集成的服务器、存储设备、操作系统、数据库管理系统以及为数据查询、处理、分析用途而特别预先安装及优化的软件组成，高性能大数据一体机具有良好的稳定性和纵向扩展性。

发明内容

为了解决图像数据存储需用大量部件的耗费大量能耗的技术问题，本发明提供了一种基于大数据存储的升降决策机构，基于高精度的人体外形的分析，确定单人降落伞娱乐项目中现场游客的实际年龄，基于获取的现场游客的实际年龄确定对应的上下升降加速度的数值，以满足各个年龄端游客的不同娱乐需求；通过对待处理图像的左侧噪声幅值与右侧噪声幅值的比较结果，确定对所述待处理图像执行的、与所述比较结果对应的定向滤波策略，提高了图像滤波的针对性和有效性；还引入了大数据存储节点，用于预先存储图像处理所需用的预设基准人体外形。

根据本发明的一方面，提供了一种基于大数据存储的升降决策机构，所述机构包括：分贝检测设备，设置在游客座椅上，用于对所述游客座椅周围的分贝数进行检测，以获得对应的现场分贝值，并输出所述现场分贝值。

更具体地，在所述基于大数据存储的升降决策机构中，还包括：

现场防护设备，包括安全带和扣件，所述安全带设置在游客座椅的左侧，所述扣件设置在所述游客座椅的右侧，所述扣件用于与所述安全带扣接，以为相应的游客座椅上的游客提供现场防护。

更具体地，在所述基于大数据存储的升降决策机构中，还包括：

状态检测设备，设置在所述扣件上，用于检测所述扣件是否与所述安全带扣接，并在所述扣件与所述安全带扣接时，发出扣接成功信号。

更具体地，在所述基于大数据存储的升降决策机构中，还包括：

大数据存储节点，用于预先存储预设基准人体外形；游客座椅，用于为游客提供乘坐位置，每一个游客座椅用于放置一名游客；上下拉升绳体，为钢丝绳材料铸造而成，其一端与所述游客座椅连接，另一端与升降控制设备连接；升降控制设备，与所述上下拉升绳体连接，用于通过对所述上下拉升绳体的上下拉动带动所述游客座椅上下升降；枪型摄像机，设置在所述游客座椅的上方，用于对所述游客座椅进行图像数据采集，以获得并输出相应的游客座椅图像；第一预处理设备，与所述枪型摄像机连接，用于接收所述游客座椅图像，对所述游客座椅图像中的噪声分布情况进行检测，以确定所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值以及所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值，以及将所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值与所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值进行比较，并在所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值大于所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值时，发出左侧分布信号；所述第一预处理设备还用于在所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值小于等于所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值时，发出右侧分布信号；第二预处理设备，与所述第一预处理设备连接，用于在接收到所述左侧分布信号时，基于所述游客座椅图像左半图的最大幅值确定定向搜索窗口，所述定向搜索窗口为正方形像素点窗口的左半窗口，所述正方形像素点窗口的边长与所述游客座椅图像左半图的最大幅值成正比；数据采集设备，分别与所述第一预处理设备和所述第二预处理设备连接，将所述游客座椅图像的每一个像素点作为待处理像素点，获取待处理像素点的各个搜索像素点；数据处理设备，与所述数据采集设备连接，用于获取待处理像素点的各个搜索像素点的各个像素值的均值以作为所述待处理像素点的定向滤波像素值，基于所述游客座椅图像中的各个像素点的定向滤波像素值输出所述游客座椅图像对应的数据处理图像；参数鉴别设备，与所述数据处理设备连接，用于接收所述数据处理图像，通过网络与大数据存储节点连接以获得预设基准人体外形，还基于预设基准人体外形从所述数据处理图像中匹配出人体外形图案，对所述人体外形图案进行年龄鉴别，以获得并输出对应的年龄数值；加速度解析设备，与所述参数鉴别设备连接，用于接收所述年龄数值，并基于所述年龄数值确定对应的游客座椅的加速度；所述升降控制设备还与所述加速度解析设备连接，用于接收所述加速度，并基于所述加速度对所述游客座椅上下升降进行相应的加速度控制；其中，在所述第二预处理设备中，所述各个搜索像素点在所述待处理像素点的定向搜索窗口中，所述待处理像素点在其定向搜索窗口对应的正方形像素点窗口的中心位置。

更具体地，在所述基于大数据存储的升降决策机构中：所述第一预处理设备还用于在接收到所述右侧分布信号时，基于所述游客座椅图像右半图的最大幅值确定定向搜索窗口，所述定向搜索窗口为正方形像素点窗口的右半窗口，所述正方形像素点窗口的边长与所述游客座椅图像右半图的最大幅值成正比。

更具体地，在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值落在年轻人范围内，确定的加速度的数值最大。

更具体地，在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值小于所述年轻人范围的下限阈值时，所述年龄均值越大，确定的加速度的数值越大。

更具体地，在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值大于所述年轻人范围的上限阈值时，所述年龄均值越大，确定的加速度的数值越小。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的基于大数据存储的升降决策机构的升降控制设备的结构示意图。

具体实施方式

下面将参照附图对本发明的基于大数据存储的升降决策机构的实施方案进行详细说明。

大数据存储一直面临着数据处理中最核心、最大的问题，那就是性能问题。性能不好的技术和产品是没有生命力的。数据处理性能问题不是因为大数据才出现，也不会有了大数据技术而消失。处理性能的提升将促进对数据价值的挖掘和使用，而数据价值挖掘的越多、越深入，对处理技术要求就越高。

目前的数据仓库只能满足一些静态统计需求，而且是T+1模式；也是因为性能问题，运营商无法有效构造超过PB级别的大数据仓库，无法提供即席查询、自助分析、复杂模型迭代分析的能力，更无法让大量一线人员使用数据分析手段。

今天如果做“大数据”数据仓库，运营商面临的挑战比上个10年要大的多。目前没有单一技术和平台能够满足类似运营商的数据分析需求。可选的方案只能是混搭架构，用不同的分布式技术来支撑一个超越PB级的数据仓库系统。这个混搭架构主要的核心是新一代的MPP并行数据库集群+Hadoop集群，再加上一些内存计算、甚至流计算技术等。

大数据需要多元化的技术来支撑。当前数据处理对企业的挑战越来越大，主要是下面几个原因：

第一个原因是数据量已经是上一代的一个数量级了，1个省份级运营商1年就可超越1PB结构化数据。

第二个原因是“大数据”关注的更多是用户行为、群体趋势、事件之间的相关性等，而不仅仅是过去的KPI。这就对数据分析平台对数据的分析能力和性能提出了新的要求和挑战。

为了克服上述不足，本发明搭建了一种基于大数据存储的升降决策机构，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的基于大数据存储的升降决策机构的升降控制设备的结构示意图。所示升级控制设备包括第一支撑件1、第二支撑件2和永磁无刷电机3。

根据本发明实施方案示出的基于大数据存储的升降决策机构包括：分贝检测设备，设置在游客座椅上，用于对所述游客座椅周围的分贝数进行检测，以获得对应的现场分贝值，并输出所述现场分贝值。

接着，继续对本发明的基于大数据存储的升降决策机构的具体结构进行进一步的说明。

在所述基于大数据存储的升降决策机构中，还包括：

现场防护设备，包括安全带和扣件，所述安全带设置在游客座椅的左侧，所述扣件设置在所述游客座椅的右侧，所述扣件用于与所述安全带扣接，以为相应的游客座椅上的游客提供现场防护。

在所述基于大数据存储的升降决策机构中，还包括：

状态检测设备，设置在所述扣件上，用于检测所述扣件是否与所述安全带扣接，并在所述扣件与所述安全带扣接时，发出扣接成功信号。

在所述基于大数据存储的升降决策机构中，还包括：

大数据存储节点，用于预先存储预设基准人体外形；

游客座椅，用于为游客提供乘坐位置，每一个游客座椅用于放置一名游客；

上下拉升绳体，为钢丝绳材料铸造而成，其一端与所述游客座椅连接，另一端与升降控制设备连接；

升降控制设备，如图1所示，与所述上下拉升绳体连接，用于通过对所述上下拉升绳体的上下拉动带动所述游客座椅上下升降；

枪型摄像机，设置在所述游客座椅的上方，用于对所述游客座椅进行图像数据采集，以获得并输出相应的游客座椅图像；

第一预处理设备，与所述枪型摄像机连接，用于接收所述游客座椅图像，对所述游客座椅图像中的噪声分布情况进行检测，以确定所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值以及所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值，以及将所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值与所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值进行比较，并在所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值大于所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值时，发出左侧分布信号；所述第一预处理设备还用于在所述游客座椅图像中的噪声在所述游客座椅图像左半图的最大幅值小于等于所述游客座椅图像中的噪声在所述游客座椅图像右半图的最大幅值时，发出右侧分布信号；

第二预处理设备，与所述第一预处理设备连接，用于在接收到所述左侧分布信号时，基于所述游客座椅图像左半图的最大幅值确定定向搜索窗口，所述定向搜索窗口为正方形像素点窗口的左半窗口，所述正方形像素点窗口的边长与所述游客座椅图像左半图的最大幅值成正比；

数据采集设备，分别与所述第一预处理设备和所述第二预处理设备连接，将所述游客座椅图像的每一个像素点作为待处理像素点，获取待处理像素点的各个搜索像素点；

数据处理设备，与所述数据采集设备连接，用于获取待处理像素点的各个搜索像素点的各个像素值的均值以作为所述待处理像素点的定向滤波像素值，基于所述游客座椅图像中的各个像素点的定向滤波像素值输出所述游客座椅图像对应的数据处理图像；

参数鉴别设备，与所述数据处理设备连接，用于接收所述数据处理图像，通过网络与大数据存储节点连接以获得预设基准人体外形，还基于预设基准人体外形从所述数据处理图像中匹配出人体外形图案，对所述人体外形图案进行年龄鉴别，以获得并输出对应的年龄数值；

加速度解析设备，与所述参数鉴别设备连接，用于接收所述年龄数值，并基于所述年龄数值确定对应的游客座椅的加速度；

所述升降控制设备还与所述加速度解析设备连接，用于接收所述加速度，并基于所述加速度对所述游客座椅上下升降进行相应的加速度控制；

其中，在所述第二预处理设备中，所述各个搜索像素点在所述待处理像素点的定向搜索窗口中，所述待处理像素点在其定向搜索窗口对应的正方形像素点窗口的中心位置。

在所述基于大数据存储的升降决策机构中：所述第一预处理设备还用于在接收到所述右侧分布信号时，基于所述游客座椅图像右半图的最大幅值确定定向搜索窗口，所述定向搜索窗口为正方形像素点窗口的右半窗口，所述正方形像素点窗口的边长与所述游客座椅图像右半图的最大幅值成正比。在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值落在年轻人范围内，确定的加速度的数值最大。

在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值小于所述年轻人范围的下限阈值时，所述年龄均值越大，确定的加速度的数值越大。

在所述基于大数据存储的升降决策机构中：在所述加速度解析设备中，当所述年龄均值大于所述年轻人范围的上限阈值时，所述年龄均值越大，确定的加速度的数值越小。

另外，所述加速度解析设备为GPU设备，GPU是显示卡的“大脑”，GPU决定了该显卡的档次和大部分性能，同时GPU也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像与特效时主要依赖CPU的处理能力，称为软加速。3D显示芯片是把三维图像和特效处理功能集中在显示芯片内，也就是所谓的“硬件加速”功能。显示芯片一般是显示卡上最大的芯片(也是引脚最多的)。时下市场上的显卡大多采用NVIDIA和AMD-ATI两家公司的图形处理芯片。

GPU已经不再局限于3D图形处理了，GPU通用计算技术发展已经引起业界不少的关注，事实也证明在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能，如此强悍的“新星”难免会让CPU厂商老大英特尔为未来而紧张，NVIDIA和英特尔也经常为CPU和GPU谁更重要而展开口水战。GPU通用计算方面的标准目前有OpenCL、CUDA、ATI STREAM。其中，OpenCL(全称Open Computing Language，开放运算语言)是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器，在游戏、娱乐、科研、医疗等各种领域都有广阔的发展前景，AMD-ATI、NVIDIA时下的产品都支持OPEN CL。

采用本发明的基于大数据存储的升降决策机构，针对现有技术中图像数据存储困难的技术问题，通过基于高精度的人体外形的分析，确定单人降落伞娱乐项目中现场游客的实际年龄，基于获取的现场游客的实际年龄确定对应的上下升降加速度的数值，以满足各个年龄端游客的不同娱乐需求；通过对待处理图像的左侧噪声幅值与右侧噪声幅值的比较结果，确定对所述待处理图像执行的、与所述比较结果对应的定向滤波策略，提高了图像滤波的针对性和有效性；还引入了大数据存储节点，用于预先存储图像处理所需用的预设基准人体外形，从而解决了上述技术问题。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。